آپ کی میز پر تیز AI کوڈنگ۔
SWE‑bench Verified پر تقریباً 69%۔

1.7.0 میں یہ بھی: Night Shift کسی ٹاسک کو کئی بار آزما کر بہترین کوشش رکھ سکتا ہے (/night add --best-of N)، ایک مشین کئی Signal برج چلا سکتی ہے، اور کلائنٹ ایک نیٹ ورک پر دو نوڈز میں سے انتخاب کرتا ہے اور جو نوڈ اسے معلوم ہے اسے کھوتا نہیں۔ ریلیز نوٹس اور ڈاؤن لوڈز۔

انسٹال

$ curl -fsSL https://github.com/dreamference/ragon/releases/latest/download/install.sh | bash

$ ragon-admin server start      # ماڈل ایک بار ڈاؤن لوڈ کرتا ہے (~20 GB)، پھر اسے چلاتا ہے
$ cd ~/your-project && ragon    # بس یہی

> irm https://github.com/dreamference/ragon/releases/latest/download/install.ps1 | iex

پہلے یہ آزمائیں

یا آج رات کے لیے کام قطار میں لگائیں /night add <task> سے: آپ کے سونے کے دوران Ragon قطار نمٹاتا ہے، ہر ٹاسک اپنی git برانچ پر، اور آپ صبح چائے کے ساتھ برانچیں دیکھ لیتے ہیں۔

$ ragon "explain this repository to me like I'm new on the team"
# reads the code index (ragon-code outline, def, refs, callers) instead of grepping,
# then walks you through the layout, the entry points and how they connect

$ ragon "the tests are failing: find out why and fix them"
# runs the tests, reads the failure, edits the code and runs the tests again,
# asking before anything risky

> /night add --best-of 3 add input validation to the signup form, with tests
# tonight: three attempts, each in its own git worktree; the one the chooser picks
# is committed on its own branch, and nothing is merged or pushed
$ ragon-admin night status      # the timer, the window and the queue
> /night apply <id>            # in the morning: bring the branch back as uncommitted changes

آپ کو کیا ملتا ہے

Ragon 1.7.0 کی ڈیسک ٹاپ ایپ Ask اور Work کو ایک ہی ونڈو میں رکھتی ہے۔ Work ایجنٹ سیشنز کے لیے مکمل ورک بینچ ہے: فائلوں، اسکلز اور کمانڈز والا کمپوزر، اسٹیج کرنے، واپس لینے اور کمٹ کرنے کے لیے ریویو پین، ورک ٹریز، ٹرمینل ٹیبز، اور تھریڈ کے ساتھ فائل ٹری اور فائل ٹیبز۔ آپ کے باقی کمپیوٹروں پر یہ آپ کے GB10 کا کلائنٹ ہے، جسے یہ مقامی نیٹ ورک پر ڈھونڈ لیتی ہے۔

$ ragon worktree on   # new sessions start in their own worktree
$ cd ~/your-project && ragon
> /airgapped on      # no network for any command it runs
> /worktree apply    # bring the changes back to your checkout

$ sudo apt install ./ragon_1.7.0_arm64.deb

$ ragon-admin mcp            # stdio MCP for JetBrains and VS Code
$ ragon signal setup         # Note to Self only, off until linked
$ ragon chat telegram setup  # topics and the Mini App

Ragon ہی کیوں

SWE-bench Verified، ایک DGX Spark پر ناپا گیا

2026-10-08 کو Ragon 1.5.1 کے ایجنٹ نے Qwen3.8-27B کے ساتھ ایک DGX Spark پر آف لائن SWE-bench Verified کے 100 میں سے 68 ٹاسک حل کیے: 100 ٹاسک کا مقررہ نمونہ، ہر ٹاسک پر ایک کوشش، ڈیفالٹ موڈ۔ تمام 500 ٹاسک پر پھیلائیں تو یہ تخمینہً ≈69% بنتا ہے (95% بینڈ 63.9–73.4%)۔ یہ ہماری اپنی پیمائش ہے، ہماری اپنی مشین پر اور ایک ذیلی سیٹ پر، لیڈر بورڈ کا اندراج نہیں۔

اسے ہم پلہ ماڈلز کے موازنے کے طور پر پڑھیں، رینکنگ کے طور پر نہیں۔ انہی 100 ٹاسک پر Ragon نے اتنے ہی حل کیے جتنے Qwen3-Coder-480B اور GLM-4.6 نے، جو اس سے کئی گنا بڑے ماڈل ہیں، مگر ہر صف میں ایجنٹ الگ ہے، ہارڈویئر الگ ہے، اور لیڈر بورڈ والی صفوں میں سرکاری x86 ٹیسٹ امیجز ہیں، جبکہ ہمارا کام کمیونٹی کی arm64 امیجز پر چلا۔ refine موڈ میں پہلا سیشن ٹاسک کو بغیر کچھ بدلے سمجھتا ہے اور نیا سیشن اسے کرتا ہے: اس نے ڈیفالٹ سے ایک ٹاسک زیادہ حل کیا (69 بمقابلہ 68، اور ہر طرف نے وہ ٹاسک جیتے جو دوسری طرف سے رہ گئے)، فی ٹاسک تقریباً 2.2 گنا وقت پر، اس لیے یہ اختیاری رہتا ہے (ragon --refine)۔

1. Ragon: 100 ٹاسک، ہر ایک پر ایک کوشش؛ ایک DGX Spark (GB10، 128 GB)، ماڈل مقامی طور پر چلتا ہے، کلاؤڈ نہیں؛ ڈیفالٹ موڈ 2026-10-08 کو ناپا گیا، refine موڈ 2026-10-09 کو۔ تخمینہ SWE-bench experiments کے فی ٹاسک ڈیٹا سے۔
2. 500 ٹاسک، ایک کوشش؛ ہارڈویئر مذکور نہیں۔ ماخذ: experiments, 20250805_openhands-Qwen3-Coder-480B-A35B-Instruct۔ وہی ماڈل mini-SWE-agent کے ساتھ: 57/100، 55.4%۔
3. 500 ٹاسک، ایک کوشش، ایجنٹ ظاہر نہیں؛ ہارڈویئر مذکور نہیں۔ ماخذ: experiments, 20250930_zai_glm4-6۔
4. 500 ٹاسک، ایک کوشش؛ ہارڈویئر مذکور نہیں۔ ماخذ: experiments, 20260217_mini-v2.0.0_kimi-k2-5-high۔
5. 500 ٹاسک، ایک کوشش؛ ہارڈویئر مذکور نہیں۔ ماخذ: experiments, 20260217_mini-v2.0.0_deepseek-3-2-high۔
6. ہر ایک پر 500 ٹاسک؛ ہارڈویئر مذکور نہیں۔ چار جمع کرائے گئے اندراجات: OpenHands (80/100، 77.6%)، live-SWE-agent (80/100، 79.2%)، Sonar Foundation Agent (77/100، 79.2%)، mini-SWE-agent, high (79/100، 76.8%)۔ ایک پہلے کی mini-SWE-agent رن نے 74/100، 74.4% اسکور کیا۔
7. 500 ٹاسک، ایک کوشش؛ ہارڈویئر مذکور نہیں۔ ماخذ: experiments, 20251120_livesweagent_gemini-3-pro-preview۔ وہی ماڈل mini-SWE-agent کے ساتھ: 72/100، 74.2%۔
8. لیڈر بورڈ پر شائع شدہ بہترین 20–40B ماڈل۔ 500 ٹاسک؛ ٹیسٹ ٹائم اسکیلنگ میں فی ٹاسک دو یا زیادہ کوششیں ہوتی ہیں؛ ہارڈویئر مذکور نہیں۔ ماخذ: ٹیسٹ ٹائم اسکیلنگ، ایک کوشش۔
9. 500 ٹاسک، ایک کوشش؛ ہارڈویئر مذکور نہیں۔ ماخذ: experiments, 20251209_mini-v1.17.2_devstral-small-2512۔
10. GitHub کا اپنا عدد، اپریل 2025: “agent mode achieves a pass rate of 56.0% on SWE-bench Verified with Claude 3.7 Sonnet”۔ ٹاسک، کوششوں کی تعداد اور ہارڈویئر مذکور نہیں؛ لیڈر بورڈ پر نہیں۔ ماخذ: GitHub بلاگ۔
11. Anthropic اپنے Claude ماڈلز کے لیے SWE-bench Verified شائع کرتی ہے، جو اس کے اپنے سادہ اسکیفولڈ (bash ٹول اور ایڈٹ ٹول) میں چلایا جاتا ہے، Claude Code پروڈکٹ کے لیے نہیں۔ ماخذ: Claude Code، Anthropic کا SWE-bench طریقہ۔
12. Cursor اپنے بینچ مارک Cursor Bench پر نتائج شائع کرتا ہے، SWE-bench Verified پر نہیں۔ ماخذ: Cursor بلاگ، Composer۔

لیڈر بورڈ کے تمام اعداد: swebench.com اور SWE-bench/experiments ریپوزٹری؛ “وہی 100 ٹاسک” ہر جمع کرائے گئے اندراج کے شائع شدہ فی ٹاسک نتائج ہیں جو صرف ان ٹاسک تک محدود ہیں جو Ragon نے چلائے۔

مقالہ

عمومی سوالات